虚拟仪器技术在船舶水下自噪声测试分析中的应用

采用虚拟仪器(简称VI)技术,利用美国NI公司数据采集卡和虚拟仪器设计平台LabVIEW开发了船舶水下自噪声分析系统,并利用该系统进行了实船的水下自噪声测试分析。该系统及主要功能包括:采集卡驱动、A/D转换、信号调制、文件存储、示波、FFT谱分析、1/3Oct、细化分析、在线分析、离线分析、报表结果打印等。通过实船测试与传统仪器分析的结果对比,证明该方法方便宜行。     

空间不均匀湍流边界层激励下声呐腔自噪声统计能量分析

利用统计能量分析法建立了湍流边界层激励下水下航行器声呐腔自噪声水动力分量的计算模型。采用一种新的回转体模型模拟声呐罩，重点讨论空间分布不均匀的湍流边界层对声呐罩的输入功率的计算及统计能量分析参数的确定，利用Fluent软件计算边界层的分离点及一些重要参数。最后给出了一具体的算例。可作为空间不均匀湍流边界层激励下声呐腔自噪声的工程估算的参考。     

潜艇首部声呐平台区中、高频自噪声预报

潜艇首部声呐平台区结构复杂,激励也是随机和宽带的,其中,高频（500Hz～10kHz）自噪声预报通常采用SEA（统计能量分析）.由于缺乏实测和试验资料,各子系统间耦合因子和各结构的内损耗因子难以确定,只能近似估算.本文采用试验和SEA相结合的方法来预报其平台区自噪声.通过模型实验测出子系统在各种激励力下的动响应,进而求得子系统振动能量;采用经验公式计算各子系统模态密度,最后利用统计能量法来预报潜艇首部声呐平台区自噪声,得到了令人满意的结果.     

鱼雷被动声自导反舰深度设定方法

鱼雷被动声自导反舰时,搜索深度的设定决定了鱼雷效能的发挥。采用鱼雷被动自导作用距离作为鱼雷搜索深度设定依据。被动自导方程各项中,鱼雷自噪声级与传播损失随深度变化,二者在深度上的分布决定了不同深度上自导作用距离的差别。采用声散射模型计算鱼雷自噪声级,采用Bellhop模型计算传播损失,结合被动自导方程其他各项的仿真和计算,定量分析4种典型水文条件下自导作用距离随深度变化情况,并提出被动自导系统搜索深度设定原则。     

集成统计能量法计算声呐自噪声水动力噪声分量

针对舰船艏部非规则形状声呐罩的自噪声预报,借鉴集成模态法思路[1,2],采用虚拟弹性膜技术,建立集成统计能量法(Integro-SEA),并以矩形腔声呐罩为例验证计算精度.在此基础上,采用集成统计能量法计算舰船艏部声呐自噪声的水动力噪声分量,并修正计算艏部边界层转捩区湍流猝发声源对声呐自噪声的作用.研究表明:用经典SEA和集成SEA方法计算矩形腔声呐罩自噪声,偏差小于1dB,集成SEA方法加边界层转捩区声源修正,计算的舰船艏部声呐自噪声与实艇测试结果比较,在200Hz～6kHz的中频范围内相差2～3dB.     

敷设空腔尖劈的声呐平台声学特性研究

基于变截面波导理论建立吸声系数方程,讨论了不同静压下尖劈吸声性能,开展了空腔尖劈声管测试,并将计算值与实验值进行对比分析。在此基础上,通过数值试验预报了声呐平台区的自噪声分布,对比分析了空腔尖劈敷设方案对其声学特性的影响。结果表明：随着静水压力的增大,尖劈吸声系数第一谐振峰向高频移动;高静压下,尖劈吸声系数下降较快。敷设空腔尖劈的声呐平台区的自噪声总声压级显著降低,尖劈部分优化敷设既要考虑全频段平台区的自噪声总声级,又要兼顾声呐基阵位置处的声压分布。     

基于AutoSEA2的声呐自噪声水动力分量分析

利用基于统计能量分析法的声仿真软件AutoSEA2分析湍流边界层激励下水下航行器声呐腔自噪声水动力分量。采用一种新的回转体模型模拟声呐罩,重点讨论了空间分布不均匀的湍流边界层对声呐罩的输入功率的计算。利用Fluent软件计算边界层的分离点及一些重要参数。分析结果可作为空间不均匀湍流边界层激励下声呐腔自噪声工程估算的参考。     

基于BP神经网络与L-M算法的潜艇声纳自噪声预报

L-M（Levenberg-Marquart）算法与BP（Back-Propagation）神经网络相结合，使神经网络在多样本、大变量输入的情况下，具有更快的收敛速度和更高的逼近精度。将BP神经网络与L-M算法相结合应用于潜艇声纳自噪声预报；分析了影响潜艇声纳自噪声的各种声源参数；利用潜艇声纳实测数据进行网络训练，训练好的神经网络可以对潜艇声纳自噪声进行精确预报。     

Experimental and numerical procedures of a sonar platform with a sound absorption wedge

Experiments involving a sonar platform with a sound absorption wedge were carried out for the purpose of obtaining the low frequency acoustic characteristics. Acoustic characteristics of a sonar platform model with a sound absorption wedge were measured, and the effects of different wedge laid areas on platform acoustic characteristic were tested. Vibration acceleration and self-noise caused by model vibration were measured in four conditions: 0%, 36%, 60%, and 100% of wedge laid area when the sonar platform was under a single frequency excitation force. An experiment was performed to validate a corresponding numerical calculation. The numerical vibration characteristics of platform area were calculated by the finite element method, and self-noise caused by the vibration in it was predicted by an experiential formula. The conclusions prove that the numerical calculation method can partially replace the experimental process for obtaining vibration and sound characteristics.     

基于径向基函数神经网络的舰艇声呐部位自噪声预报

径向基函数神经网络具有学习速度较快,函数逼近能力强的特点.文章分析了影响声呐部位自噪声的各种声源参数,以舰艇声呐部位自噪声作为目标函数,将径向基函数神经网络用于舰艇声纳部位自噪声预报.利用舰艇声呐实测数据进行网络训练,训练好的神经网络可以对舰艇声呐部位自噪声进行精确预报.